Robot süpürgeler, ev tipi robotik uygulamaların en yaygın kullanılan örneklerinden biridir. Bu cihazlar, ortamlarında otonom olarak hareket ederken aynı anda haritalama ve temizlik görevlerini gerçekleştirir. Bu makalede, bu sistemlerin çalışmasını mümkün kılan temel mekanizmaları inceleyeceğiz.

Navigasyon (gezinme), nispeten basit yöntemlerle ya da daha gelişmiş, sensör tabanlı yaklaşımlarla gerçekleştirilebilir.

Basit yöntemde robot temelde rastgele hareket eder; bir engelle temas ettiğinde (temas anahtarı/contact switch ile), bir boşluk algıladığında (aşağı bakan kızılötesi sensör ile) veya büyük bir nesne tespit ettiğinde (kızılötesi sensör ile) yön değiştirir. Bu yöntemde robot ortamın haritasını oluşturmaz. Ancak zaman içinde bu rastgele hareketler —duvar takibi (wall following) ve kavisli yollarla birleşerek— alanın büyük bir kısmının temizlenmesini sağlar. Bununla birlikte bu yaklaşım pek verimli değildir ve bazı noktalar temizlenmeden kalabilir.

Orta segment, yarı yapılandırılmış (semi-structured) navigasyon modelleri ise ortamın temel haritalarını oluşturabilir. Yukarıda bahsedilen sensörlere ek olarak; hareket değişimlerini ölçen ivmeölçer (accelerometer), robotun dönüş miktarını ve yönünü ölçen jiroskop (gyroscope) ve kat edilen mesafe ile yönü takip eden tekerlek dönüş sensörlerine sahiptirler. Tüm bu veriler, “dead reckoning” (birikimli hesaplama/ataletsel konum tahmini) prensibi ile birleştirilerek ortam haritası hazırlanır. Bu sistemler rastgele dolaşmak yerine düzenli zikzak ve spiral temizlik desenleri izleyebilir. Bu sayede temizlik genellikle temel yönteme göre daha eksiksizdir.

Yukarıda bahsedilen “dead reckoning”, GPS gibi dış referansların mevcut olmadığı durumlarda, bilinen son konumdan başlayarak mevcut konumun hesaplanması yöntemidir. Örneğin gemiler, dronlar ve uçaklar da uydu bağlantısı kesildiğinde bu yönteme başvurabilir. Bu sistemin temel dezavantajı, küçük hataların zamanla birikmesi ve sistem dış referans olmadan ne kadar uzun süre çalışırsa sonuçların o kadar güvenilmez hale gelmesidir.

Son olarak; haritalama (mapping), konum belirleme (localization) ve yapay zekayı birleştiren gelişmiş navigasyon sistemleri mevcuttur. Bu sistemler genellikle SLAM (Simultaneous Localization and Mapping – Eş Zamanlı Konumlandırma ve Haritalama) algoritmalarına dayanır. Döner bir LiDAR sensörü ortamı tarar, nesnelere olan mesafeleri ölçer ve detaylı haritalar oluşturur; kameralar ise işaretçi nesneleri (landmarks), duvarları ve köşeleri tanımlar. Tekerlek hareket verileri (odometri/odometry), konum doğruluğunu daha da artırır. Bu girdilerin entegrasyonu sayesinde robotlar, yol planlama (path planning) algoritmalarını kullanarak en verimli rotaları planlayabilir, engellerden gerçek zamanlı olarak kaçınabilir ve ortamdaki değişikliklere uyum sağlayabilir. Gelişmiş yapay zeka özellikleri, robotların mutfak ve oturma odası gibi farklı alanları ayırt etmesine ve girilmez bölgeler (no-go zones) veya kısıtlı alanlar belirlemesine olanak tanır. Bazı modeller, çok katlı evler veya yerleşimi değişen mobilyalar için dinamik haritalamayı da destekleyerek her koşulda güvenilir navigasyon sağlar.

Yazan: A. Tüter

Kullanım Koşulları: İçeriklerimizin her hakkı saklıdır, izinsiz olarak kopyalanamaz, yayınlanamaz. Paylaşımlarımızı tarihli olarak kaydetmekteyiz. İçeriklerimizde hata ve eksiklikler olabilir. Kullanım koşulları sayfamızı ziyaret ediniz.